基于MODPSO-GSA的协同空战武器目标分配

提出基于多目标决策理论的协同空战武器目标分配模型,并用进化多目标优化算法求解.空战是一个多阶段攻防过程,针对多数空战武器目标分配采用一次性完全分配、不考虑火力资源消耗等不足,构建多目标决策模型,在达到毁伤门限的前提下,同时对一次攻击后使敌编队的总期望剩余威胁最小和分配导弹消耗量最小两个目标函数寻优.提出用多目标离散粒子群-引力搜索算法(MODPSO-GSA)求解分配模型,该混合进化多目标优化算法结合二者优点,具有稳定的全局搜索能力并保证收敛到Pareto前沿.该算法可求得满足毁伤门限的不同耗弹量的分配方案最优解集以供指挥员决策参考.仿真算例验证了新模型及所提出MODPSO-GSA进化多目标优化求解算法的有效性.      

非完备信息下的超视距空战双机协同战术识别

针对超视距（BVR）空战过程中,受探测装置性能限制和敌方干扰等原因,导致目标信息易缺失,从而难以实时准确地识别敌方协同空战战术的问题,提出了一种基于动态贝叶斯网络（DBN）与参数学习的超视距空战双机协同战术识别方法。分析了超视距空战条件下的双机协同战术特征,根据长机和僚机的职能分工、当前态势及机动动作,构建了识别网络模型;为提高模型对双机协同战术的识别概率,采用期望最大参数学习方法优化网络参数;基于自回归模型对缺失目标信息进行修补,提出非完备信息下的双机协同战术识别推理算法。通过开展空战对抗仿真实验,验证了双机协同战术识别方法对于非完备信息下的超视距空战双机协同战术具有较高的识别概率和较好的实时性。     

超视距多机协同空战目标分配算法

针对未来超视距条件下多机协同空战中的威胁估计与多目标分配,结合超视距空战特点,在综合考虑参战双方飞机性能、几何态势的基础上,提出了一种以参战双方飞机空战效能优势与当前态势优势的加权和为最终结果的超视距空战威胁估计的非参量法模型;在威胁估计的基础上,探讨了一种以空战优势函数为依据,多机之间相互配合、相互支援、协同作战过程的多目标分配算法,并进行了仿真.仿真结果证实了算法的有效性.      

基于多智能体联盟的多机协同空战任务分配

基于多智能体联盟形成理论,分析了网络化条件下多平台多目标攻击任务分配问题。将协同任务分配的过程视为复杂联盟的生成过程,首先将对目标总体的打击任务分解为一系列子任务,各子任务再进一步分解为单个平台能够完成的任务单元;再根据联盟特征函数的定义分别建立联盟报酬、能力成本、通信开销模型,以联盟特征函数作为空战任务分配目标函数;最后引入离散粒子群优化算法进行联盟生成,采用二进制矩阵编码形式,设计粒子可行性检查策略。仿真实验验证了本方法在协同制导条件下空战任务分配的合理性与有效性。     

实施饱和攻击的导弹多目标火力分配决策

饱和攻击是高技术战争中打击敌方重要目标、提高导弹突防概率的一种重要作战模式.根据饱和攻击的战术指导思想,从分析反舰导弹火力攻击任务约束、最优火力分配准则及多平台协同攻击的角度出发,建立目标分配优化模型,并将火力分配目标决策与航路规划决策过程相结合,提出一种多发射平台、多约束下对目标实施饱和攻击的分配实施方法.仿真结果表明:所建立的模型及方法正确有效,可为部队发射平台配置和火力分配提供依据与参考.     

目标威胁规避约束下战斗机引导控制优化方法

基于最优控制理论对威胁规避约束下战斗机引导控制方法进行研究.以空战态势参数为状态建立战斗机引导模型,以引导的快速性和经济性为性能指标,将战斗机引导问题建模为具有非线性状态约束和路径约束的最优控制问题,以武器攻击包线来描述目标火力威胁,并将威胁规避约束转化为引导过程的空战态势约束问题,为保证引导算法的实时性和有效性,引入滚动时域控制策略进行在线优化,并采用高斯伪谱法进行数值求解,基于典型作战场景进行仿真,结果表明所提出的引导控制方法能在保证引导安全性的前提下实现战斗机的最优引导.      

基于满意决策的多机协同目标分配算法

多机协同目标分配问题是无人机UAV(Uninhabited Aerial Vehicle)研究 中一个重要的问题.考虑UAV差异、目标差异及战场态势对目标分配的影响,建立了多机 协同目标分配问题的数学模型.提出基于满意决策的目标分配算法,通过搜索个体满 意集合获取群体优化的目标分配方案.对多目标分配问题,将攻击方案作为个体满意集 合的元素扩展了基于满意决策的目标分配算法.为适应更大的问题空间的求解需求,提出递 阶分配框架,并将满意决策方法用于递阶分配.计算结果表明,算法能有效提 高搜索效率,并得到很好的优化效果.      

编队歼击机超视距截击效能评估

应用兰彻斯特理论研究了编队歼击机超视距截击的效能评估问题.对照兰彻斯特理论假设条件与超视距截击背景,使用第二线性律与平方律分别描述了截击空战的探测阶段与射击阶段.以最大损失交换比为原则,将火力分配引入到评估模型中.利用机载雷达的探测概率与空空导弹的击毁概率,分别建立了每架飞机探测效能与射击效能的动态模型.算例表明,突击方护航歼击机的价值系数显著影响拦截方的火力分配,拦截方选择先攻击护航歼击机再攻击歼击轰炸机的战术,采取电子对抗措施,提高飞机生存力均可提高截击效能,该模型计算简便、合理有效.     

基于改进遗传算法对小卫星星群任务规划研究

针对小卫星星群任务运行特点,建立小卫星星群多任务规划问题模型,提出了基于成像任务时间及任务均衡度的多指标优化函数.针对所建模型,采用改进型遗传算法,引入资源随机分配的解码策略及精英保留策略,保证了算法的全局收敛性,提高了算法的性能.通过仿真算例,验证了算法在解决小卫星星群多目标任务规划问题上的有效性.      

基于目标逃逸机动预估的空空导弹可发射区

为适应无人自主空战条件下对空空导弹火控解算的特殊需求,提出了基于目标机动预估的空空导弹可发射区问题。首先,基于导弹-目标追逃对抗策略,设计了目标机动预估模型,根据导弹与目标的相对方位信息,实现对目标逃逸机动方式的预估;然后,基于多种实际约束,构建了导弹运动动力学模型;最后,设计了基于黄金分割搜索算法的可发射区边界求解策略,实现对可发射区边界值的快速精确搜索。仿真结果表明,空空导弹对初始位置位于所提出的基于目标机动预估的可发射区内的目标,具有更大的命中概率;该可发射区更加适应近距空战中目标逃逸机动的剧烈态势变化,有利于导弹战术使用性能的充分发挥。      

基于信息素启发狼群算法的UAV集群火力分配

无人机（UAV）集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势，得到最优武器-目标分配（WTA）方案，使得UAV集群在火力分配中既能够满足任务要求，又能够较少作战单元消耗，建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型，采用带有游走、召唤算子的改进狼群算法（WPA）对模型进行求解。为提高算法全局寻优效率，避免陷入局部最优，引入蚁群优化（ACO）算法中信息素启发规则，对游走行为及狼群更新机制进一步改进，提出了基于信息素启发狼群算法（PHWPA）的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的，相比较于其他算法，PHWPA具有更高效的寻优能力，能够为UAV集群作战火力规划提供支持。      

基于Logistic回归麻雀算法的图像分割

针对麻雀搜索算法后期种群多样性减少、易陷入局部最优解等问题,提出一种新的改进麻雀搜索算法。所提算法先引入小孔成像反向学习策略对发现者的位置进行更新,提升寻优位置的多样性;其次受Logistic模型的启发,提出一种新的自适应因子对安全阈值进行动态控制,平衡所提算法的全局搜索与局部开发的能力。通过与其他算法在6个基准函数上进行仿真对比,结果表明：所提算法的收敛精度与速度均优于其他算法。在工程应用上,用所提算法优化K-means聚类算法进行图像分割,峰值信噪比（PSNR）、结构相似性（SSIM）及特征相似性（FSIM）3种度量指标验证了其良好的分割性能。     

单目标概率约束规划的微种群免疫优化算法

针对无先验随机分布信息的单目标概率约束规划,探讨了微种群免疫优化算法。算法设计中,受危险理论启发设计微种群免疫优化算法进化框架;借助估计值的误差幅度,提出2个方法分别估计概率值和目标值;依据个体间的优劣关系,划分群体为3个类型子群协同进化;构建生命周期模型,设计自适应的交叉与变异概率、变异策略,结合交叉算子促进子群信息有效交流,并沿不同方向协同进化。数值实验统计结果说明:所提算法拥有良好的搜索效率、搜索效果及降噪能力,具有一定的竞争力和应用潜力。      

多约束多星快响巡察任务规划方法

多星快响巡察任务是指多个目标卫星出现不明状况,巡察服务平台在短时间内进行轨道转移,携带多个子航天器对目标进行飞越巡察。对于该问题的任务规划,首先基于共面机动给出了平台调相策略并建立了满足光照和机动能力等约束的巡察窗口筛选计算模型;其次提出了一种贪婪搜索和多轮规划的方法,用于确定任务分配方案和巡察次序;最后在高精度轨道模型下验证了方法的有效性并将该方法与混合编码遗传算法进行了对比。在算例中,该方法的优化效果稍优于混合编码遗传算法,而且求解效率是后者的约227倍,表明贪婪搜索和多轮规划方法更适用该问题的高效求解。     

生物智能型算法在信道分配策略中的应用

由于同步轨道卫星通信的传输时延较长,因此该类卫星对动态信道分配算法的延时性能非常敏感。针对宽带多媒体通信卫星的动态信道分配问题建立数学模型,并且使用生物智能型算法进行求解。仿真结果表明,与传统的分支定界法相比,采用生物智能型算法求解动态信道分配问题,其延时性能提高47%,并能得到更为高效的信道分配方案。     

基于贪婪算法的近空间平台区域覆盖优化设计

为了实现近空间多平台对任意区域的协同覆盖观测,提出了一种近空间区域性覆盖优化设计方法.该方法针对问题建立了NP-hard集合覆盖模型,应用随机贪婪算法设计并优化平台的位置参数以及采用的波位.随机贪婪方法从贪婪算法得到的一个解出发,随机移除一定比例的平台,再用贪婪策略加入若干个平台,改进了原始贪婪算法对优解空间搜索不足的缺点,因此提高了解的优度,同时也避免了应用遗传算法、蚁群算法等智能搜索算法在解决此类问题时对全部子集族庞大的存储和复杂的计算.利用STK(Satellite Tool Kit)卫星仿真软件对四川汶川地区的优化设计结果进行了仿真,仿真结果给出了在100%覆盖的情况下平台的各参数信息,验证了该优化设计方法的有效性和智能性,为近空间区域覆盖设计提供了有力参考.     

A scheduling strategy to inter-satellite links assignment in GNSS

By introducing inter-satellite link (ISL), the dependence of the global navigation satellite system (GNSS) on ground infrastructure can be reduced and its performance enhanced via inter-satellite ranging and communication. Owing to platform restrictions, there are usually fewer onboard Ka-band ISL antennas than the number of visible satellites, which poses a problem when optimizing the inter-satellite links assignment of the GNSS. In this study, to optimize inter-satellite ranging and communication, a multi-objective optimization model is built and a scheduling strategy is proposed for the inter-satellite links assignment scheduling problem. The position dilution of precision (PDOP) of links and the transmission time-delay of telemetry data are set as the ranging performance and communication metrics, respectively. We regard the links assignment in each slot as a general graph-matching problem, and apply the Blossom algorithm to obtain the maximum matching. We then generate and optimize the satellite sequences for whole slots using non-dominated sorting genetic algorithm II (NSGA-II). The simulation scenes include 10,080 epochs of GNSS constellation, and the simulation results show that the performance of the proposed strategy is better than that of other methods published recently, and can provide various solutions to meet the different preferences of system managers.     

基于启发式算法的可重构性指标分配

串联有约束条件下的可重构性指标分配问题,针对考虑部件故障的系统给出了可重构度的概念和计算方法,并论证了其合理性.结合最优冗余分配理论和可重构度定义给出了可重构度最大化的冗余分配模型,在此基础上提出了基于启发式算法的可重构性指标分配方法,该方法可解决约束条件内资源优化配置问题,并得到系统最大可重构度的解.直接寻查法作为以往具有代表性的最优冗余分配方法,用作系统可重构性指标分配仿真,与所提方法作比较,结果显示基于启发式算法的可重构性指标分配方法较前者有更高的有效性.